旧版：S9L10（1e-6）＋ HaWoR 融合。
当前：S9L10 三维预测＋整段 MANO 拟合，支持纯 RGB 和 Stereo 两条路线。
检查数据：0907、0910，以及八条 RGB demo。部分跳变、漏显已改善；手指卷曲、遮挡漏检和局部翻掌仍存在。
HaWoR 旧分支、检测与关键点、后续拟合，都可能引入不连续。不同原因用了不同修法。
原因：旧 HaWoR 按 16 帧上下文推理。相邻帧跨到下一组上下文时，预测手形可能不连续；旧 V9 又会把这一路结果带进最终输出。历史诊断片里，2,249 个有效手实例有 2,248 个来自 HaWoR 所在的旧几何分支，不能只把当时的抖动归给 S9。
修改：当时先让每帧都使用固定中心位置的 16 帧上下文，减小窗口切换影响。后来从 P3 开始，取消 HaWoR 三维融合和旧几何回退，改用 S9L10 预测作为统一拟合的初值。
证据：固定 HaWoR 中心上下文后，局部网格二阶差分 P90 12.132 → 10.357 mm/frame²。这是旧版上的源头对照，不是“去掉 HaWoR 后 R2 的提升率”。
S9 自身也有窗口接缝：T8/stride4 改为 stride1 只带来部分改善，极端值反而变差；本次 R2 仍是 T8/stride4。
原因：HaWoR 后面的旧姿态修正程序，以互不重叠的 24 帧小段分别求解；相邻小段不共享连续性约束。整体朝向修正、手指修正的“接受 / 拒绝”状态切换时，也可能换成另一套姿态。
修改：当前改为整段共同拟合。损失里加入三帧二阶差分 x[t+1] − 2x[t] + x[t−1]：分别约束相对手腕的关节位置、掌心坐标下的手指位置、投影手腕位置和 log Z。每一侧的手形参数在序列中共享，减少逐帧大小变化。
证据：旧 24 帧边界上，即使没有修正状态切换，局部运动二阶差分 P90 仍是段内的 1.345 倍；历史重叠求解对照把它降到约 1.000 倍。当前整段拟合进一步取消了这种独立优化分段结构。
三帧差分是拟合时的连续性约束，不是输出后再滤波，也没有按时间间隔平方归一化。它能约束不连续，不能纠正认错的手或手指；这些历史数值也不是手部 GT 误差。
原因：检测框可能跳到另一只手；左右手分配错误会把两条轨迹接在一起。SAM 分割里远处的一个孤立像素也可能撑大裁剪框，使 MMPose 看到的手突然变小，关键点随之变化。后面再加平滑，也无法修好这个对应关系。
修改：R2 遵循可靠的左右手证据；不在不同 track ID 之间加时序项；空间和深度都矛盾时拒绝旁人轨迹。清理 SAM 孤立点后，重新计算受影响帧的检测和关键点。
证据：旧 HaWoR 固定上下文后，最大腕部像素跳步仍有 666.344 px；再修检测身份后降到 47.725 px。R2 中，0910_11 f630 的局部旋转步长由 126.64° → 9.51°，相邻帧双手漏显也恢复。
第一组数值是旧分支源头修复，不是 R2 全量统计；第二组是 R1→R2 的整套修复结果，不能全部归给 SAM 单项。0910_11 f998–1002 仍有身份来回切换。
原因：箱子或桶遮住手指后，关键点数量和分数下降。即使画面里仍能看见一部分手，也可能达不到原来的有效性门槛。若把完整三维手都压进这块可见轮廓，隐藏的手指还可能被挤弯。
修改：用同帧 SAM 区域和稳定轨迹支持部分可见手的初始化；有可靠 Stereo 深度时，用场景深度判断遮挡，避免对隐藏部分施加错误轮廓约束。无深度的 RGB 批次，对证据不足的部分手关闭相应轮廓包含约束。
证据：0910_10 搬桶，R1 在 f1031–1032 双手消失；R2 在 f1030–1034 连续保留双手。没有当前帧证据时仍不补手，因此八条 RGB 中的搬箱、画面边缘漏检尚未全部解决。
原因：腕部和拇指被挡住、手掌接近侧面，或 MMPose 把指链编号认反时，二维点会支持一个错误的掌面朝向。拟合器仍允许调整手指角度，可能通过额外弯曲来减小二维误差，造成翻掌和卷曲。
修改：先用腕部、指根等对应点计算掌面候选朝向。R2 只有在至少 4 个掌部点和 2 个非掌部点分数达到 0.6 时才允许相关初始化。170110 右手的后续专项修复则先用前后帧双向光流核对指链身份，再用原 R2 参数重新拟合。
证据：0907 clip18 f19→20，掌面旋转步长 108.92° → 9.29°；同输入关闭保护又到 152.22°。170110 右手修正指链后，步长 71.37° → 3.77°，没有增加平滑。
置信保护也会拒绝必要纠正，例如 170110 f193 左手。160047 约 8 秒的卷曲仍未修好。RIGHT_IDFIX 只接受于 170110 单片，未推广到 0907 / 0910。
原因：旧初始化用掌部表面深度的中位数加 1 cm，直接当作手腕深度。手掌倾斜时，指根和手腕本来就不在同一深度，这个换算会给错初始位置；不匹配的相机内参也会造成投影错位。
修改：Stereo 使用对应录制、对应图像空间的标定内参。0910 深度初始化从各关节的深度中扣除当前姿态下“关节相对手腕的 Z”，再估计手腕位置，并与 720 步整段拟合配套；R1 起腕部 Z 也参与优化。
证据：0910_02 前 160 帧中，掌部深度约束残差中位数 16.156 → 10.396 mm。单改初始化而仍求解 360 步会恶化部分大跳，因而采用初始化与步数的组合。
这是短段控制，不能当作全量精度提升。另一段的表面深度残差和部分轮廓指标反而变差。八条 RGB 没有这些实测标定条件，仍使用假设内参与估计尺度。
这些改动跨越多个版本：旧融合版先做过 HaWoR 上下文、检测与分段拟合的控制；P3 / P3R1 改为 S9 初值和整段拟合；P3R2 再修身份、遮挡和初始化。第 05 节单独列 R1→R2 的全量统计。没有把不同实验的改善率加在一起。
上：旧 V9 融合版；下：R2 + 这条视频的 RIGHT_IDFIX。相同源时刻、原速播放；下方左手问题仍在，不能代表全量效果。
上文旧版抖动诊断来自 20260907-171916 的 1,131 帧，不等同于 0907 全部 119 条。二阶差分和帧间步长包含真实运动；用于结合控制实验定位问题，不是 GT 准确率。
纯 RGB 依赖预测深度与相机轨迹；Stereo 使用本次录制匹配的标定与深度。
| 项目 | 纯 RGB：八条 demo | Stereo：0907 / 0910 |
|---|---|---|
| 参考图像 / 内参 | SBS 左眼 1920×1080；fx=fy=960、cx=960、cy=540，历史假设。 | 校正左目与对应 K；标定和 frame-map 须匹配本次输入。 |
| 深度 | DA3METRIC-LARGE；同份深度供 ViPE 和点云，未作手部深度因子。 | 0907 复用已发布深度；0910 FFS：max_disp=416、8 iterations、0.1–4 m。 |
| 相机轨迹 | ViPE + 共享 DA3 深度 + 固定 K + RGB 人体排除，无 IMU。 | 0907 复用已有 EGO 轨迹；0910 原始双目 + IMU → SpectacularAI。 |
| 尺度 / 世界系 | MANO 尺寸先验 + 假设焦距；每序列单一标量对齐场景与相机平移。 | 深度由标定基线定尺度；0910 的 SLAM 世界系未配准到 XR 物体世界系。 |
| 实际发布 | 八条完整双栏 demo；单目场景和接触存在误差。 | 0907 / 0910 本轮全量为 overlay + 参数 / 世界系输出，不能混称已交付双栏。 |
0910 深度保留历史分支：02–05 沿用双向一致性检查，后续序列使用官方单次 forward。单次策略的 0/255 confidence 是几何有效标志，不是置信概率。
优化器是一个“反复调整 MANO 参数，使其符合观测”的程序。当前实现使用 Adam。
“更稳定”来自求解中的时序约束和错误观测修复。 当前 R2 没有在最终 mesh 上再叠一层平滑滤波；这些结果也不是基模直接输出。
名词： MANO 是用少量姿态、形状参数生成三维手的模型；mesh 是手的三角网格；mask 是图像中的手部区域；PnP 是用 3D 点与 2D 对应点估计位置和朝向。
| 后处理 | 做什么 | 有什么用 | 仍有什么风险 |
|---|---|---|---|
| 观测清理与跟踪 | 识别当前帧哪里有手、是哪一侧、是否同一只手；清除孤立点和重复候选。 | 减少错误裁剪、旁人手混入和左右手争抢。 | YOLO / MMPose 高分也会认错，模糊和遮挡仍会漏检。 |
| 掌面 PnP 初始化 | 用腕部、指根等二维点，尝试更合理的整只手朝向。 | 避免在错误朝向附近，把手指硬弯成能贴合图像的样子。 | R2 ≥4 个掌点 + ≥2 个非掌点、分数 ≥0.6；可能挡住必要纠正。 |
| 2D 与轮廓约束 | 让 MANO 投影接近可靠关键点和可见手部区域。 | 改善位置、朝向和外轮廓。 | 错误指链会带偏拟合；遮挡手指不能强迫挤进可见 mask。 |
| 合格深度与遮挡约束 | Stereo 只使用当前帧质量合格的掌部深度，并判断哪些部分被物体挡住。 | 约束前后位置，减轻错误深度和遮挡导致的形变。 | 深度也有误差；RGB 八条没有启用 Stereo 关节深度因子。 |
| 时序正则 | 拟合时惩罚不合理的帧间加速度，分别约束整手、掌部局部指姿、根部和 Z。 | 抑制高频抖动；整段求解没有独立优化小窗口的拼接边界。 | R2 不跨有效性和身份边界；过强约束也可能拖住真实快动作。S9 推理仍使用 T8 窗口。 |
| 共享形状 + S9 先验 | 同一侧手在序列内共享形状；姿态不要过度偏离模型预测。 | 减少手大小、骨段随帧波动，限制无约束形变。 | 原模型也会错；0.7 rad 增量范围不是生理活动范围或自碰撞约束。 |
| 有效性门控 | 当前证据不足则不输出完整手；世界位姿缺失只影响世界输出。 | 减少幻觉手；避免世界跟踪掉了连左栏手也消失。 | 会保留空缺，不能把“少显示错误手”说成“漏检全部解决”。 |
0907：119 条均 360 步，其中 89 条姿态时序权重 0.8，30 条为 2.0；0910：16 条均 720 步、权重 0.8；RGB 八条：360 步、权重 2.0。均联合估计腕部深度。0910 采用姿态感知的深度初始化与 720 步配套。
RGB 批次：姿态学习率 0.012、根部 0.002、姿态先验权重 0.08、深度时序权重 200、根部时序权重 0.015；共享形状优化学习率 0.004。不同损失的数值尺度不同，不能只按权重大小判断谁起主导作用。
以下数值全部是 P3R1 → P3R2，不是旧 V9 融合版 → R2。
0907 clip18，f19→20：108.92° → 9.29°。同 R2 输入关闭掌面保护又到 152.22°。
0910_11，f630：关节旋转步长 126.64° → 9.51°；f631 的双手漏显恢复。
0910_10，f1031–1032：原本双手消失，R2 在相邻 5 帧保持双手输出；隐藏指姿仍未验证。
P95：95% 的可比值不超过此数。重投影与深度偏差针对模型观测，不是 GT；速度、加速度和旋转步长包含真实运动。它们下降不能单独证明“更准”。
全部数据：手腕加速度 P95 7.61 → 6.60 m/s²；深度偏差 P95 75.02 → 55.91 mm。侧别冲突候选事件 70 → 2。
0907 贴合 P95 6.41 → 7.51 px 变差；已有至少 8 处相对 R1 明显新增的可见坏例。
R2 全量完成后做 34 项整段对照：关闭身份边界、归属判断、掌面保护、部分初始化、场景约束，以及改变深度时序项、取消部分邻帧旋转借用。卷曲专项另有 26 组条件：5 条序列 × 5 个主要条件，加 1 个歧义指链剔除控制；其中 23 次新拟合、3 组复用旧控制。两组统计不能直接加成“60 种不同方法”。
4,908 是连续异常候选事件，不是真实坏帧数。2,412 条新增异常记录去重后是 2,372 个帧内手实例；排除网格相交后为 452 个。合法接触也能触发相交，不能用这些数字算准确率。
点击图像可放大。静态图用于看形状；运动结论结合邻帧与已有完整序列消融。
对应前后帧 f628–632，R2 保持双手输出；物体后面的手指仍不能由图像独立验证。查看完整五帧
MMPose 四指顺序在 f154–158 反转，f159 恢复；错误高分点驱动掌面 PnP 大幅翻转。前后锚帧双向 RGB 光流验证后，纠正 74 个点的身份、恢复 6 个点的位置，再按原 R2 参数重拟合右手。
已替换视频的 4–7 秒双栏节选，原速 30 fps。这里展示修复结果，不是旧 V9 对比。
专项修复报告 ↗| 已见坏例 | 消融说明 |
|---|---|
| 0910_17 f3214：翻掌、手指折叠 | 关闭掌面保护后形态改善，说明初始化分支有代价。 |
| 0910_10 f2319：握衣物却侧立 | R2 旋转步长 130.11°；关闭保护 30.36°。 |
| 0910_02 f1507：严重扭转 | 关闭保护或部分初始化都没解决；根因尚未唯一定位。 |
| 0910_12 f2618：腕口横置 | 关闭身份边界减轻腕部异常，但指姿仍错。 |
0907 这三条已确认画面退化，但尚未完成各自的单因素根因隔离。不能套用其他片段的原因。
完整退化清单 ↗160047 约 8 秒，食指尖和小指尖只有 3.4 px 间距，却都有约 0.7 分；一根可见手指被当作两条指链。
170110 f193 只有 3 个高置信掌点，未过 4 点保护门槛；必要的掌面纠正被挡住。
整体朝向不对时，局部关节仍可变约 40°来降低损失；目前没有完整的解剖活动范围和自碰撞约束。
冻结手指能去掉部分“拟合额外引入的弯曲”，但原 S9 姿态仍可能不准。剔除歧义关键点、关掉轮廓或姿态时序项，也没有得到可直接推广的统一修复。
160047 的 8 秒左手在 EXP-CURL01 仍未修好。卷曲已存在于相机系 MANO 中，不能归因为右侧 ViPE 世界变换；双目深度约束在部分案例中的影响仍需继续分离。
f4577 残差 96.80 → 19.09 px，实际画面仍坏，因此没有接受这个控制作为修复。
三类问题要分开：观测不足、拟合选错，以及场景/相机估计误差。
| 问题 | 可定位的案例 | 目前判断 |
|---|---|---|
| 遮挡 / 边缘漏检 | 080134 搬箱；165923 f434；160047 f659 / f711。 | 手部分露出、关键点不足、身份弱；尚未解决，不能靠跨缺口补手掩盖。 |
| 侧别 / 身份不稳 | 0910_11 f998–1002 在轨迹 22/19 间切换。 | R2 强侧别规则有效但不万能；仅取消邻帧旋转借用无效。 |
| 掌面翻转 / 手指卷曲 | RGB 160047 8 秒；170110 左手 6–7 秒；0907 / 0910 多例。 | 2D 对应、初始化和拟合补偿共同作用；基模也有错误。 |
| 初始化保护的退化 | 0910_17 f3214、0910_10 f2319、0910_05 f46。 | 硬置信阈值会误拒绝或改变候选选择；不能全局简单开关。 |
| 深度 / 近景形状 / 接触 | 近景模糊、握物、遮挡指尖；165923 场景尺度对齐被拒绝。 | 手部深度与形状有歧义，低二维误差不能保证正确 3D。 |
| 场景与世界系 | RGB 移动物体残影、点云孔洞；0910 未对齐 XR 物体世界系。 | 不是手指卷曲的起点，但限制了物理接触与联合仿真用途。 |
| 视频标识 | 帧 / 时长 | 截至本次汇报的状态 |
|---|---|---|
| 20000101T080048.619358+0800 source_00000 | 720 24.000 s | 重复手已处理；近景轮廓、截断膨胀和 f175 模糊漏检仍在。 |
| 20000101T080134.889593+0800 source_00000 | 900 30.000 s | 弱短片段深度跳变已抑制；搬箱漏检及隐藏指姿仍明显。 |
| 20000101T080134.889593+0800 source_00001 | 5 0.167 s | 5 帧尾段，无可靠手输出；不能作为手部重建成功例。 |
| 20260818T165923.310573+0800 source_00000 | 900 30.000 s | 线缆/底边漏检、快速动作形状错误；场景尺度对齐未通过。 |
| 20260818T165923.310573+0800 source_00001 | 80 2.667 s | 80 帧尾段，无可靠手输出；短序列尺度约束不足。 |
| 20260818T170110.207199+0800 source_00000 | 873 29.100 s | 右手 5.1–5.4 秒指链反转已专项修复；左手 6–7 秒、搬箱漏检仍在。 |
| 20260824T160047.570868+0800 source_00000 | 900 30.000 s | 侧别竞争/重复手已处理；8 秒左手卷曲未修好，仍有搬箱漏检。 |
| 20260824T160047.570868+0800 source_00001 | 30 1.000 s | 30 帧尾段，底角极小手片段证据不足，仍无可靠完整手。 |
完整重建与双栏展示已跑通；部分跳变、漏显、身份错误有明确同片对照；局部失败有消融证据。
抖动/卷曲全部修好；全部检测正确；隐藏关节和接触准确；RGB 尺度为 GT；已满足统一训练 GT 标准。
正文以已执行的配置和交付记录为准。历史报告里的“未上传 / 尚未运行”等状态只代表当时。
“我们取消了旧 V9 的双模型三维融合，改为 S9 初值加整段几何拟合。R2 修复了部分身份、遮挡和初始化问题，减少了一些跳变；但错误观测和姿态歧义仍会导致卷曲与退化。”
① R1→R2 指标不等于旧 V9→R2。
② 时序正则在拟合时约束相邻帧，不是输出后的平滑滤镜。
③ RIGHT_IDFIX 是单片接受，EXP-CURL01 没有成为通用 R2。
模型：FoundationHand-S9L10（1e-6），checkpoint SHA256：29018790a9c72454dd41b088d910ecd7488f4eaa85b9675e67d16f6ef139bf24。S9：T8 / stride4 / center stitching；输入 letterbox 512×896。
仓库 HEAD：a98666665036d9471b38a5bf3ac8d52570eee09b。工作树含未提交修改，HEAD 不是完整运行版本；原运行源码快照和回执仍保留在任务目录。本网页保存了所引用文档和当前相关实现的 SHA256，见 sources.json。
本次仅整理文档、核对运行配置和已有画面，未重跑模型、未修改生产管线。页面内截图来自既有消融/验收；视频为已交付成片的原速节选。
135/135 参数重解码、相机/世界/时间合同检查通过，是输出一致性检查，不是 135/135 视觉无错误。尚无这些实拍视频的逐帧 3D GT 和全量语义坏帧标注。
更新：2026-09-17 · 独立汇报页面 · 图片、流程图、节选视频均可离线打开；只有 HF 外链需要网络。
